Kurgan-Telecom Ru | Информационные технологии

В начале 2026 года я решил проверить одну простую гипотезу: насколько сложно сегодня найти проблему безопасности в современном веб-приложении крупной компании, имея только браузер и DevTools.

Для этого в рамках одной из программ Bug Bounty я провёл ручной Black Box-анализ клиентской части веб-приложения одной из крупных российских IT-компаний.

Так получилось, что я регулярно общаюсь со студентами различных ВУЗов Иркутска. И последние годы постоянно получаю вопросы, связанные с использованием ИИ в разработке ПО. И тут как в анекдоте: «Я ему 5 раз объяснил, сам уже понял …». Кроме этого подобные дискуссии постоянно возникают и в профессиональной среде. Некоторые думают, что ИИ может заменить сотрудников и сэкономить им денег, другие (противоположный лагерь) — этого опасаются, и не беспочвенно. Но не только потому, что ИИ их реально заменит, а и потому что первые в это уверовали.

Я, как и многие другие разработчики, активно использую ИИ в работе. Эта статья — результат моего персонального опыта и в, первую очередь, направлена на тех, кто сейчас получает образование, и тех, кто только начинает использовать ИИ.

Статья писалась не с целью поделиться конкретными практиками использования ИИ, а чтобы высказаться на тему: «А зачем мне это надо для сомневающихся, и чем оно мне грозит для свято верующих в силу ИИ».

В предыдущих статьях мы разобрались, c Linux и Bash.

Следующая ступенька — Git.

На первый взгляд может показаться, что Git нужен только программистам. Ведь именно разработчики постоянно пишут код, исправляют ошибки и добавляют новые функции.

На самом деле сегодня Git используют практически все инженеры, работающие с инфраструктурой. В Git хранят не только исходный код приложений, но и Dockerfile, Kubernetes-манифесты, Terraform-конфигурации, Ansible Playbook, Bash-скрипты и CI/CD-конвейеры.

Фактически Git стал центральной точкой любого современного проекта.

Но чтобы понять, почему он настолько важен, сначала стоит разобраться, какие проблемы он решает.

Копипаста редко выглядит как копипаста. После переименования переменных, строк и чисел два одинаковых блока спокойно проходят ревью как разный код. Я написал clone-alert, чтобы находить такие совпадения в TypeScript, JavaScript и шаблонах Vue, Svelte и Angular.

Когда команда небольшая и все сидят в одном открытом пространстве, знания передаются почти сами собой — через разговор у кофемашины, ревью кода, общий чат. Пока команда маленькая, это терпимо, но как только появляется рост, удалёнка, параллельные проекты и новые сотрудники, хаос начинает стоить больших денег. Именно в этой точке большинство IT-компаний впервые задумываются о том, что «база знаний» — это не просто папка в Google Drive, а самостоятельная инфраструктурная задача.

Мы в Alpina Digital прошли этот путь и хотим рассказать, как это было.

Начну с тезиса, который большинство классических сеошников и маркетологов, честно говоря, не очень любят. Но именно с него начинается понимание, что такое GEO на самом деле.

Нейросеть не рекламирует ваш продукт — она пересказывает ценность вашей компании своими словами. Она не повторяет ваши рекламные лозунги, сколько бы раз вы их где-нибудь ни написали. То есть если вы сто раз напишете, что ваш сервис самый сервисный, качество самое качественное, а ассортимент самый многообразный — модель, скорее всего, вас даже не упомянет. Не потому, что вы плохие. А потому, что ей про вас нечего пересказать. Это сказано везде — значит, не сказано нигде.

Prompt injection — один из самых распространенных способов взлома ИИ-агентов. В текст, с которым работает модель, прячется вредоносная инструкция в расчете на то, что человек не будет проверять все подряд, а ИИ прочитает и выполнит. Очевидно, что системы безопасности современных моделей настроены в первую очередь на распознание и игнорирование подобных инструкций. Поэтому злоумышленники постоянно ищут способы, как запрятать их еще глубже.

Превращение генеративных моделей в самостоятельные сущности в информационных сетях ознаменовало начало совершенно новой эпохи внутри сферы информационной безопасности. Недавний аналитический доклад, опубликованный специалистами Фонда Карнеги, фиксирует крайне тревожную тенденцию: средства нападения становятся всё более независимыми от прямого контроля операторов.

Если честно, то не ожидал, что просто обзорная статья выйдет такой огромной, самому было лень ее перечитывать, чтобы отредактировать.
Кому интересно узнать, чем я занимаюст по вечерам, можете посмотреть в самом конце статьи. Получилось "водянисто", но хотелось описать, чем я занимаюсь, поделиться с такими же людьми со "стартаперством" головного мозга, найти единомыленников.

Сильнейшие экономики мира вкладывают в ИИ триллионы не ради ещё одного способа зачитать чужой сетевой флоу. Гонка идёт за право задавать условия, в которых государства и компании видят мир и принимают решения.

ИИ-стек связывает безопасность, производство, финансы и знание через доступ, зависимость и ренту. Знание становится его управляющим слоем. Поэтому кибербезопасность выходит из технического арьергарда и становится одной из опор новой структурной власти.

Расширенная версия доклада Сергея Гордечика на Kaspersky Кибер Кэмп, июнь 2026.

16 лет назад я написал на Хабре статью «Нетрадиционные животные в доме» – про то, каких экзотов держат дома и с какими проблемами сталкиваются их владельцы. Статья неожиданно собрала довольно живые комментарии и подняла мне карму.

С тех пор мало что поменялось, разе что оборудование, корма, террариумы и животных стало проще находить, в остальном же всё осталось по-прежнему. Есть старые форумы и разрозненные группы во «ВКонтакте». Есть несколько сайтов, часть из которых давно заброшена. Но нет места, где можно собрать «коллекцию» своих животных, вести журнал наблюдений, найти пару для разведения, составить вишлист и просто быть среди своих.

Прошло 16 лет. Проект, наконец, дозрел.

Мы привыкли думать, что после хорошего созвона все участники понимают одно и то же: что решили, кто что делает и какие следующие шаги. На практике это почти никогда не так. В одном из исследований памяти разговоров участники через неделю после беседы смогли совпасть в воспоминаниях друг с другом лишь по 4,7% деталей разговора. То есть два человека, которые были на одном и том же созвоне, спустя время помнили практически разные версии событий. При этом люди, которые фиксировали информацию сразу после разговора, сохраняли значительно больше деталей (источник: Cognitive Science — Memory for conversations). Проще говоря, каждый уносит с встречи свою версию происходящего.

В рабочей среде это особенно заметно. Мы проводим десятки встреч, обсуждаем решения, договариваемся о следующих шагах - а потом тратим время, пытаясь восстановить контекст по чатам и обрывкам воспоминаний.

Именно это и подтолкнуло меня начать записывать встречи и в итоге привести к небольшому pet-проекту, который неожиданно начал экономить мне часы каждую неделю.

Невидимый текстовый слой PDF можно редактировать и экспортировать в Markdown, JSON и TXT. Такие документы называются адаптивными PDF, они созданы для чтения и людьми, и роботами. Люди видят обычный PDF, а роботы — отдельный слой ActualText с текстом в Markdown и картинками в base64.

Внедрение ИИ в реальные бизнес-процессы компаний зависит не только от качества моделей и стоимости токенов, но и от уровня доверия к технологии в целом. Такое доверие формируется на основе понимания общих принципов работы LLM, технических навыков работы с ИИ-помощниками, знаний об информационных угрозах и этических нормах, а также способности оценить качество выдаваемого моделью результата. Последнее напрямую связано с уровнем профессиональной компетентности человека, заменить которого в этой цепочке нам предлагают агентами. Однако передача доменной экспертизы на откуп ИИ чревата как ошибками в итоговом результате, так и притуплением собственных навыков.

Кто хотя бы раз работал в вебстудии над создаваемыми сайтами, знает, что используемые там универсальные движки очень даже норовистые. Чуть не уследил за правильной кастомизацией кода под требования клиента - на получи тормоза при открытии его страниц.

И ведь не сразу найдёшь, где же в глубинах проекта образовался проблемный фрагмент, начавший поглощать ресурсы сайта.

Для поиска таких мест были созданы разные инструменты профилирования. Этим термином называют всестороннее измерение нагрузки, оказываемой исследуемым скриптом на сервер сайта. Например, для языка PHP наиболее известными профилировщиками кода являются следующие: Blackfire, Xdebug Profiler, Tideways, XHProf/XGHui.

Но что если вам важнее не разноплановый функционал популярных инструментов, сколько возможность в один щелчок побыстрее выполнить основную функцию: замерить нагрузку сразу по всем задействованным файлам CMS и понятно визуализировать результат.

Для решения подобной узкой задачи я разработал очень простой бесплатный профилировщик PHP. Так сказать, студийную версию профайлера, то есть урезанную до объёма, достаточного вебмастеру при работе над проектами в студии. И делюсь этим скриптом с сообществом. Кому интересно, прошу под кат.

Я не ошибусь, если скажу, что примерно с 2020 года культура вот такого активного «ведения» социальных сетей уступила сухому общению в мессенджерах у большинства людей, есть же такое?

Вспомните, раньше ведь как было: страничка во «ВКонтакте» с активной стенкой (которую Дуров отобрал, ага), в закладках Баш.орг, LiveJournal, а с телефона пиликает «Аська». И главное — никаких алгоритмов, которые знают нас лучше, чем мы сами себя.

Предлагаю сегодня вернуться назад и посмотреть на те штуки в интернете, которые раньше использовали все, но в наше время они буквально исчезли под гнетом времени.

Какую модель выбрать из новой тройки GPT 5.6?

А какой ризонинг?

Стоит ли всегда использовать Ultra?

Ответы на эти и другие вопросы ждут вас под катом от автора, который успел уже сжечь $200 000 на новой модели GPT 5.6 Sol

Если вы обратитесь к врачу, например, с болью в груди, он не сможет прямо с порога назвать ваш диагноз. Сначала выслушает, задаст вопросы, составит список возможных вариантов и назначит анализы, чтобы поэтапно их проверить. Нейросетям же на ответ нужно несколько секунд, они звучат убедительно и почти всегда попадают в цель. Появляется соблазн — открыть ChatGPT и быстро выяснить, чем лучше лечиться. 

В 2026 году вышло несколько исследований, где ученые попытались разобраться, что стоит за этой уверенностью языковых моделей, и насколько можно доверять таким ответам. 

Скормил новому встроенному скиллу Claude Code датасет на 76 лет — только ранги, без чисел. Модель сама выбрала перевёрнутую лог-ось, проверила палитру математикой и починила наезжающие подписи. Разбираю, как /dataviz устроен изнутри и почему из всех решений кодом проверяется только цвет

В новой части «Основ биологии для инженеров» попробуем разобраться, зачем мы вообще изучаем живые системы и в какой момент знание превращается в управление.

Поговорим о том, как человечество десятилетиями собирало карты метаболических путей, почему ИИ не заменяет науку, но резко ускоряет поиск гипотез, и как из миллионов вариантов оставить хотя бы те, которые имеет смысл нести в лабораторию.

Будет немного философии, немного биоинженерии и привычное количество инженерной наглости.